面向智慧园林的多元数据感知终端设备系统及处理方法

技术领域

本发明属于智能传感领域，涉及一个传感器端同时抓取土壤温湿度、氮磷钾、pH值、土壤氧化还原电位的特性数据，实现土壤检测和种植建议的多元数据感知终端设备系统及处理方法。

背景技术

传感器技术已经在数据捕获、图像采集、智能感知等领域中得到广泛的应用。其中，收集土壤特性的传感器通过将探头插入土壤中，对土壤的“温湿度、电导率、氮磷钾”等数据进行捕获，并在屏幕上显示它们测定的数值。但是目前还没有土壤传感器能够对土壤的氧化还原电位特性进行收集。同时，市面上能够买到的土壤传感器，仅仅具备了捕获信息的功能，不能根据测得的土壤信息对土壤所种植的植物进行养护预警。然而，随着物联网技术的迅速发展,智能传感器不断普及，智能土壤传感器能够在本地收集并存储大量的土壤特性数据，并对多种土壤特性进行分析，并对植物是否需要喷灌养护给出预警。但如果智能土壤传感器只使用本地训练的模型进行预测，这会对模型的精确度产生影响。而联邦学习过程可以利用多个传感器收集的本地数据进行联合训练，提升预测模型的精度。因此，如何利用智能土壤传感器测定土壤的氧化还原电位，并将联邦学习过程应用到智能土壤传感器系统中，设计一种面向智慧园林的多元数据感知处理方法及终端设备是目前亟需解决的问题。

发明内容

为了克服现有技术中存在的不足，本发明提供一种面向智慧园林的多元数据感知终端设备系统及处理方法，以实现土壤氧化还原电位高精度测量，并提升预测模型的精度，根据土壤实际情况，结合对应植物，给予养护建议推荐。

为实现上述目的，本发明采用的技术方案如下：

本发明提出一种面向智慧园林的多元数据感知终端设备系统，系统由一个中央服务器和一组终端设备组成，该一组终端设备的集合可表示为N＝{1,...,N}。终端设备包括四个功能模块：数据捕获与图像采集模块、中心控制与运行模块、无线通信模块和独立供电模块。数据捕获与图像采集模块包含氧化还原电位传感器、酸碱度(pH值)传感器、温度传感器、湿度传感器、视觉传感器以及氮磷钾传感器，前述每个传感器通过电极探头与外界环境相连，实现从土壤中抓取氧化还原电位、含水量等各种要素并进行精确校正。中心控制与运行模块主要包含系统主CPU和RAM、ROM存储器以及传感器控制器。对数据捕获与图像采集模块采集的数据进行处理和存储。无线通信模块的作用是实现中心控制与运行模块与数据捕获与图像采集模块之间的数据传输，如蓝牙模块或WiFi模块。独立供电模块对上述三个模块进行供电，包含太阳能电池(板)、可充电蓄电池和电源感控芯片。

进一步，所述的面向智慧园林的多元数据感知终端设备系统中，视觉传感器采用微型相机，通过微型摄像头捕获高清植物图像。系统主CPU处理器在收到图像后初步处理植物的图像，并与ROM存储器中图像数据库存储的图像数据进行对比分析，以确定培育植物的种类。

进一步，所述的面向智慧园林的多元数据感知终端设备系统中，独立供电模块对本系统进行能量供应，包含太阳能电池(板)、可充电蓄电池和电源感控芯片。其中太阳能电池具有可重复使用，占用体积小等优点；电源感控芯片可通过内部的光敏电阻及时获取土壤周围的光照条件，并控制太阳能电池板与可充电蓄电池的工作状态和电量管理。光照充足时太阳能板将太阳能转换成电能后，一部分用于支持系统终端设备的正常运行，得到准确的数据；另一部分储存于可充电蓄电池中，用于夜晚或阴雨天持续电量供应，保证了传感器的全天候高效率运行。

进一步，所述的面向智慧园林的多元数据感知终端设备系统，所述的土壤氧化还原电位传感器主要由三电极系统、电压电流测量芯片和模数转换器组成，三电极包括：钼电极，饱和甘汞电极、银-氯化银电极。其中，采用钼电极以避免电极表面生产氧化膜和吸附其他杂质。

本发明还提供一种利用上述终端设备系统进行多元数据感知处理的方法，包含以下步骤：

S1：终端设备中的传感器收集土壤的温湿度、氮磷钾、pH值和植物种类信息，然后根据土壤情况调整氧化还原电位测量传感器的钼电极深度、钼电极和饱和甘汞电极的间距；

S2：用去极化法测定土壤氧化还原电位Eh；

S3：系统主CPU处理器根据土壤pH值、测量时的土壤温度和日平均土壤温度对上述直接测得的土壤氧化还原电位Eh进行校正；

S4：系统主CPU处理器对传感器收集的数据进行处理并存储；

S5：中央服务器决定发起联邦学习任务，向各终端设备发出模型训练邀请，各终端设备接收来自中央服务器的模型训练信息，决定是否接受并进行反馈，中央服务器收到反馈后，将训练模型下发至同意参与训练的的终端设备，进行联邦学习训练过程；

S6：联邦学习过程完成后，中央服务器将训练好的模型下发至各个终端设备，终端设备通过训练好的模型对培育植物给予养护建议。

进一步，上述处理方法的步骤S1中，钼电极深度b的取值范围为(0.2≤b≤0.4m)，钼电极与饱和甘汞电极间距a的取值范围为(0

进一步，上述步骤S2中，所述用去极化法测定土壤氧化还原电位Eh包括：首先电压电流测量芯片采集钼电极的电流I和钼电极、饱和甘汞电极之间的电压ΔV，经过模数转换器传输至CPU处理器，然后系统主CPU处理器根据土壤电阻率公式

步骤S1中，传感器收集得到的土壤的温湿度、氮磷钾、pH值、土壤氧化还原电位、植物的种类信息在经过系统主CPU处理器处理后以一维向量x的形式进行储存,并将终端设备中传感器是否感知到土壤的特性在短时间内发生巨大变化即工作人员进行了灌溉等养护措施定义为y，y取0或1，因此终端设备n的第i个本地样本数据最终以

本发明的有益效果：

1、本方法采用钼电极以避免电极表面生成氧化膜和吸附其他杂质，增强了电极的耐用度，省去人工对电极清洁的步骤；

2、在最小土壤电阻率区域设置电极系统，使得后续测量精度提高。根据土壤pH值，测量时土壤温度和日平均土壤温度对直接测得的土壤氧化还原电位Eh校正，校正后的结果更符合土壤培育的植物实际养护要求；

3、联邦学习过程可以利用多个传感器收集的本地数据进行联合训练，有效提升预测模型的精度。

附图说明

图1为基于联邦学习的终端设备内部架构图。

图2为联邦学习的系统框图。

图3为一种面向智慧园林的多元数据感知处理方法的流程图。

具体实施方式

现结合附图，对本发明做详细的描述。

本发明提供一种面向智慧园林的多元数据感知终端设备系统和处理方法，以实现土壤氧化还原电位高精度测量，并提升预测模型的精度，根据土壤实际情况，结合对应植物，给予养护建议推荐。

具体的，所述的面向智慧园林的多元数据感知终端设备系统及处理方法，如图2所示，系统由一个中央服务器和一组终端设备组成，该一组终端设备的集合可表示为N＝{1,...,N}，终端设备包含四个功能模块，如图1所示：即数据捕获与图像采集模块、中心控制与运行模块、无线通信模块和独立供电模块，所述数据捕获与图像采集模块包含土壤氧化还原电位传感器、酸碱度传感器、温度传感器、湿度传感器、视觉传感器以及氮磷钾传感器，每个传感器通过电极探头与外界环境相连，实现从土壤中抓取相应要素并进行精确校正；中心控制与运行模块包含系统主CPU和RAM、ROM存储器以及传感器控制器，对数据捕获与图像采集模块采集的数据进行处理和存储；无线通信模块的作用是实现中心控制与运行模块与数据捕获与图像采集模块之间的数据传输；独立供电模块对上述三个模块进行供电。

具体的，所述的面向智慧园林的多元数据感知终端设备系统及处理方法，视觉传感器采用微型相机，通过微型摄像头捕获高清植物图像，系统主CPU处理器在收到该高清植物图像后进行初步处理，并与ROM存储器中存储的图像数据进行对比分析，以确定培育植物的种类。

具体的，所述的面向智慧园林的多元数据感知终端设备系统及处理方法，独立供电模块包含太阳能电池或太阳能板、可充电蓄电池和电源感控芯片，电源感控芯片可通过内部的光敏电阻及时获取土壤周围的光照条件，并控制太阳能电池或太阳能板与可充电蓄电池的工作状态和电量管理，光照充足时太阳能电池或太阳能板将太阳能转换成电能，一部分用于支持终端设备的正常运行，得到准确的数据，另一部分储存于可充电蓄电池中，用于夜晚或阴雨天持续电量供应，以保证传感器的全天候高效率运行。

具体的，所述的面向智慧园林的多元数据感知终端设备系统及处理方法，主要包括土壤特性信息的采集，土壤氧化还原电位测量传感器电极的调整，土壤氧化还原电位的测量和校正以及联邦学习训练过程，处理流程如图3所示。

具体的，所述的面向智慧园林的多元数据感知终端设备系统及处理方法，所述的土壤氧化还原电位传感器主要由三电极系统、CS5460A电压电流测量芯片和模数转换器组成，三电极包括：钼电极，饱和甘汞电极、银-氯化银电极。其中，采用钼电极以避免电极表面生产氧化膜和吸附其他杂质。具体的测量的步骤包括：

步骤1：调整土壤氧化还原电位(Eh)测量传感器电极位置；

步骤2：去极化法测定土壤氧化还原电位Eh；

步骤3：根据土壤pH值，测量时土壤温度和日平均土壤温度对直接测得的土壤氧化还原电位Eh校正。

具体的，所述的土壤氧化还原电位测量的具体步骤，步骤1中，智能传感器根据土壤情况调整氧化还原电位测量传感器的钼电极深度b(0.2≤b≤0.4m)和钼电极、饱和甘汞电极间距a(0

首先，CS5460A电压电流测量芯片采集钼电极的电流I和钼电极、饱和甘汞电极之间的电压ΔV，经过模数转换器传输至系统主CPU。

然后，系统主CPU根据土壤电阻率公式

具体的，所述的土壤氧化还原电位测量的具体步骤，步骤2中，首先，控制器将极化电压调整到675mV，银-氯化银电极作为辅助电极，钼电极接到电源正端，持续时间t

然后，用该法对饱和甘汞电极进行阴极极化，极化时间t

最后，系统主CPU根据极化时间t

具体的，所述的土壤氧化还原电位测量的具体步骤，步骤3中，去极化法测定土壤氧化还原电位Eh的方法为：CPU处理器根据土壤pH值，测量时土壤温度和日平均土壤温度对直接测得的土壤氧化还原电位Eh校正。首先对Eh基于土壤pH值校正，

具体的，所述的面向智慧园林的多元数据感知终端设备系统及处理方法，终端设备系统的联邦学习过程具体步骤如下：

步骤一、终端设备在本地收集大量土壤的温湿度、氮磷钾、pH值、土壤氧化还原电位的特性数据。

步骤二、中央服务器决定发起联邦学习任务。向各终端设备发出模型训练邀请。终端设备接收来自中央服务器的模型训练信息，决定是否接受并进行反馈。中央服务器收到反馈后，将训练模型下发至同意参与训练的终端设备，进行联邦学习训练过程。

步骤三、联邦学习过程完成后，中央服务器将训练好的模型下发至各个终端设备，终端设备可以通过训练好的模型对培育植物给予养护建议。

具体的，所述的终端设备系统的联邦学习过程，步骤一中，传感器收集得到的土壤的温湿度、氮磷钾、pH值、土壤氧化还原电位、植物的种类信息在经过系统主CPU处理后以一维向量x的形式进行储存。并将终端设备是否感知到工作人员进行了灌溉等养护措施(感知方法为：土壤的特性在短时间内发生巨大变化)定义为y(y取0或1)，因此终端设备n的第i个本地样本数据最终以

具体的，所述的面向智慧园林的多元数据感知终端设备系统及处理方法，在终端设备系统的联邦学习过程中，步骤二的终端设备n的联邦学习过程具体包含五个步骤，步骤包括：

步骤a)、中央服务器将任务的模型参数下发至终端设备n；

步骤b)、终端设备n在本地进行模型训练。终端设备n通过训练在本地收集的土壤特性数据，进行本地模型的更新。在完成多次本地迭代后，终端设备n将本地模型上传至中央服务器。其中，终端设备n进行本地迭代采用小批量梯度下降的方法，本地更新的过程为：

/>

其中,

步骤c)、中央服务器接收来自系统内终端设备上传的本地模型参数，进行全局聚合，更新全局模型。更新全局模型的过程为：

步骤d)、中央服务器将新的全局模型下发至发送给终端设备n，用于下一轮的本地迭代的数据训练。

步骤e)、重复步骤b)、c)、d)直到训练得到的全局模型达到收敛，即完成联邦学习训练的全过程。联邦学习的目标为训练出全局模型参数矢量w，使全局损失函数最小：

其中

以上示意性地对本发明及其实施方式进行了描述，但该描述并没有限制性,附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下,不经创造性地设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。